1回のパスで複数の文字列を置き換える

テンプレートファイルのプレースホルダー文字列を、一般的なUnixツール（bash、sed、awk、perlなど）で具体的な値に置き換える方法を探しています。交換が1回のパスで行われることが重要です。つまり、すでにスキャン/交換されたものを別の交換と見なしてはなりません。たとえば、次の2つの試みは失敗します。

echo "AB" | awk '{gsub("A","B");gsub("B","A");print}'
>> AA

echo "AB" | sed 's/A/B/g;s/B/A/g'
>> AA

この場合の正しい結果はもちろんBAです。

一般に、ソリューションは、入力を左から右にスキャンして、指定された置換文字列の1つとの最長一致を検索し、各一致について置換を実行して、入力のそのポイントから続行することと同等でなければなりません（すでに読み込まれた入力も、実行された置換も一致と見なされます）。実際、詳細は関係ありません。置換の結果が全体または一部が別の置換の対象になることはありません。

注私は正しい一般的なソリューションのみを探しています。特定の入力（入力ファイル、検索および置換ペア）で失敗するソリューションを提案しないでください。

はい、一般的な解決策です。次のbash関数には2k引数が必要です。各ペアは、プレースホルダーと置換で構成されます。文字列を適切に引用して関数に渡すのはあなた次第です。引数の数が奇数の場合、暗黙の空の引数が追加され、最後のプレースホルダーの出現を効果的に削除します。

プレースホルダーも置換もNUL文字を含むことはできませんが、s が必要な場合\など、標準のC エスケープを使用\0できますNUL（そのため、必要な場合は記述\\する必要があります\）。

posixのようなシステム（lexとcc）に存在する標準のビルドツールが必要です。

replaceholder() {
  local dir=$(mktemp -d)
  ( cd "$dir"
    { printf %s\\n "%option 8bit noyywrap nounput" "%%"
      printf '"%s" {fputs("%s", yyout);}\n' "${@//\"/\\\"}"
      printf %s\\n "%%" "int main(int argc, char** argv) { return yylex(); }"
    } | lex && cc lex.yy.c
  ) && "$dir"/a.out
  rm -fR "$dir"
}

\必要に応じて引数ですでにエスケープされていると想定しますが、存在する場合は二重引用符をエスケープする必要があります。これは、2番目のprintfの2番目の引数が行うことです。以来lexデフォルトのアクションがありECHO、我々はそれを心配する必要はありません。

実行例（懐疑的なタイミングでの、それは単なる安価な商品のラップトップです）：

$ time echo AB | replaceholder A B B A
BA

real    0m0.128s
user    0m0.106s
sys     0m0.042s
$ time printf %s\\n AB{0000..9999} | replaceholder A B B A > /dev/null

real    0m0.118s
user    0m0.117s
sys     0m0.043s

入力が大きい場合は、最適化フラグをに提供すると便利な場合がccあり、現在のPosix互換性の場合はを使用することをお勧めしますc99。さらに野心的な実装では、毎回生成するのではなく、生成された実行可能ファイルをキャッシュしようとする可能性がありますが、生成にコストがかかるとは限りません。

編集

tccを使用している場合は、一時ディレクトリを作成する手間を省くことができ、通常のサイズの入力に役立つコンパイル時間を短縮できます。

treplaceholder () { 
  tcc -run <(
  {
    printf %s\\n "%option 8bit noyywrap nounput" "%%"
    printf '"%s" {fputs("%s", yyout);}\n' "${@//\"/\\\"}"
    printf %s\\n "%%" "int main(int argc, char** argv) { return yylex(); }"
  } | lex -t)
}

$ time printf %s\\n AB{0000..9999} | treplaceholder A B B A > /dev/null

real    0m0.039s
user    0m0.041s
sys     0m0.031s

printf 'STRING1STRING1\n\nSTRING2STRING1\nSTRING2\n' |
od -A n -t c -v -w1 |
sed 's/ \{1,3\}//;s/\\$/&&/;H;s/.*//;x
     /\nS\nT\nR\nI\nN\nG\n1/s//STRING2/
     /\nS\nT\nR\nI\nN\nG\n2/s//STRING1/
     /\\n/!{x;d};s/\n//g;s/./\\&/g' |
     xargs printf %b

###OUTPUT###

STRING2STRING2

STRING1STRING2
STRING1

sedストリーム内で1行に1バイトずつ発生するため、このようなものは常にターゲット文字列の各出現を1回だけ置き換えます。これは私が想像する最も速い方法です。その後、再び、私はCを書いていない。しかし、これはないあなたがそれを望むなら確実にヌル区切り文字を処理します。それがどのように機能するかについては、この回答を参照してください。これには、含まれている特殊なシェル文字などの問題はありませんが、 ASCIIロケール固有であり、つまり、od同じ行にマルチバイト文字を出力せず、1つだけを実行します。これが問題である場合は、追加する必要がありますiconv。

perlソリューション。不可能だと言った人もいますが、一般的には単純な一致と置換は不可能であり、NFAのバックトラックのために結果が予想外になる可能性があるため、さらに悪化します。

一般に、そしてこれは言わなければならないことですが、問題は置換タプルの順序と長さに依存するさまざまな結果をもたらします。すなわち：

A B
AA CC

入力AAA結果はBBBまたはになりCCBます。

ここにコード：

#!/usr/bin/perl

$v='if (0) {} ';
while (($a,$b)=split /\s+/, <DATA>) {
  $k.=$a.'|';
  $v.='elsif ($& eq \''.$a.'\') {print \''.$b.'\'} ';
}
$k.='.';
$v.='else {print $&;}';

eval "
while (<>) {
  \$_ =~ s/($k)/{$v}/geco;
}";  
print "\n";


__DATA__
A    B
B    A
abba baab
baab abbc
abbc aaba

チェッカーバニー：

$ echo 'ABBabbaBBbaabAAabbc'|perl script
$ BAAbaabAAabbcBBaaba